典型文献
基于改进GWO-LSTM的船舶主机性能预测模型
文献摘要：
为提高船舶主机性能预测的精度,更好地帮助轮机员制定主机的维修保养计划,提出一种利用 改进灰狼优化 算法(grey wolf optimizer,GWO)对长 短期记 忆网络(long short-term memory network,LSTM)进行优化的船舶主机性能预测模型,简称为改进的GWO-LSTM 模型.基于Metropolis接受准则的思想,在传统GWO中引入一种随机搜索机制来解决传统GWO前期收敛速度慢和后期易陷入局部最优的问题.分别建立单步预测模型和多步预测模型.与GWO-LSTM和传统LSTM的预测结果进行对比,结果表明,改进GWO-LSTM单步预测的均方根误差分别降低了32.36％和50.38％,多步预测的均方根误差分别降低了 26.16％和35.57％.
文献关键词：
Metropolis接受准则;长短期记忆网络(LSTM);灰狼优化算法(GWO);性能预测
中图分类号：
[2]
交通运输（U）
/
水路运输（U6）
/
船舶工程（U66）
/
船舶机械（U664）
/
船舶动力装置（U664.1）
/
内燃机动力装置（U664.12）
/
柴油机（U664.121）
/
低速柴油机（U664.121.1）
作者姓名：
石彪;王海燕;焦品博
作者机构：
上海海事大学商船学院,上海201306;上海船舶运输科学研究所,上海200135
文献出处：
引用格式：
[1]石彪;王海燕;焦品博-.基于改进GWO-LSTM的船舶主机性能预测模型)[J].上海海事大学学报,2022(02):96-102
A类：
单步预测模型
B类：
GWO,船舶主机,性能预测模型,轮机员,维修保养,grey,wolf,optimizer,long,short,term,memory,network,Metropolis,随机搜索,搜索机制,期收,收敛速度,速度慢,局部最优,多步预测,长短期记忆网络,灰狼优化算法
AB值：
0.293723
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
